如何用processR包调整一个有节制的仲裁模型？

Question

我想用lavaan和processR包调整一个有节制的中介模型。模型如下：

​

​

我试着创建了以下版面：

Innovativeness:Age

和

PBC:Innovativeness:Age

我的数据(df)：

df <- structure(list(Attitude = structure(c(33, 30, 37, 29, 36, 42, 
27, 35, 35, 27, 22, 25, 42, 25, 38, 35, 38, 36, 34, 40), label = "Attitude", format.spss = "F8.2"), 
    SubNorm = structure(c(46, 53, 30, 27, 55, 37, 14, 55, 55, 
    57, 37.4, 48, 68, 43, 55, 39, 51.7, 36, 51.7, 60), label = "Subjective Norm", format.spss = "F8.2"), 
    PBC = structure(c(50, 50, 45, 38, 48, 41, 34, 40, 47, 42, 
    22, 38, 56, 42, 48, 38, 33, 30, 46, 45), label = "Perceived Behavior Control", format.spss = "F8.2"), 
    Intent = structure(c(21, 17, 14, 15, 15, 21, 18, 18, 19, 
    15, 10, 12, 21, 10, 19, 15, 21, 21, 19, 21), label = "Intention", format.spss = "F8.2"), 
    Behavior = structure(c(59, 36, 44, 35, 62, 60, 38, 38, 68, 
    42, 35, 16, 77, 24, 73, 35, 64, 35, 69, 60), label = "Behavior", format.spss = "F8.2"), 
    Religiosity = c(28L, 28L, 24L, 30L, 19L, 25L, 23L, 21L, 20L, 
    15L, 21L, 20L, 21L, 17L, 27L, 29L, 24L, 23L, 17L, 25L), Education = c(45L, 
    55L, 46L, 28L, 52L, 48L, 48L, 55L, 53L, 30L, 60L, 31L, 31L, 
    33L, 46L, 58L, 53L, 55L, 38L, 27L), Innovativeness = c(38L, 
    39L, 37L, 54L, 40L, 49L, 30L, 53L, 58L, 45L, 59L, 32L, 43L, 
    49L, 57L, 59L, 37L, 54L, 52L, 43L), Age = c(46L, 35L, 27L, 
    33L, 42L, 56L, 49L, 42L, 41L, 31L, 31L, 43L, 45L, 59L, 44L, 
    57L, 28L, 48L, 28L, 55L)), row.names = c(NA, -20L), class = c("tbl_df", 
"tbl", "data.frame"))

我试过这个：

library(lavaan)
library(processR)

md_1 <- tripleEquation(
  labels = list(X = "PBC", M = "Intent", Y = "Behavior"), 
  covar = list(name = c("SubNorm", "Attitude"), 
               site = c("M", "M")),
  moderator = list(name = c('Innovativeness', 'Age', 'Religiosity'), 
               site = list('a', 'a2', 'b'))
)

a2是创新的流程(W) -请参阅统计图表图像。

分析：

fit_1 <- sem(
  model = md_1, 
  estimator = 'ML', 
  data = df, 
  se = 'bootstrap', 
  bootstrap = 10,
  fixed.x = TRUE
  )

但是：

estimatesTable(fit_1)

   Variables         Predictors label     B   SE     z       p     β
1     Intent                PBC    a1 -0.16 0.44 -0.37   0.711 -0.31
2     Intent     Innovativeness    a2 -0.01 0.22 -0.02   0.982 -0.01
3     Intent PBC:Innovativeness    a3  0.00 0.01 -0.02   0.982 -0.02
4     Intent                Age    a4 -0.06 0.15 -0.41   0.681 -0.16
5     Intent            PBC:Age    a5  0.00 0.00  0.67   0.506  0.34
6     Intent            SubNorm    f1  0.03 0.04  0.69   0.492  0.09
7     Intent           Attitude    f2  0.44 0.08  5.82 < 0.001  0.78
8   Behavior                PBC     c  0.72 0.52  1.37   0.171  0.33
9   Behavior             Intent    b1  0.98 2.67  0.37   0.714  0.23
10  Behavior        Religiosity    b2  0.08 2.05  0.04   0.967  0.02
11  Behavior Intent:Religiosity    b3  0.02 0.11  0.21   0.834  0.17

未产生流Innovativeness:Age和PBC:Innovativeness:Age。

如何调整此行：

moderator = list(name = c('Innovativeness', 'Age', 'Religiosity'), 
                 site = list('a', 'a2', 'b'))

以获得这些所需的流？

谢谢。

Answer 1

我终于得到了你问题的答案。由于在这个或任何其他网站上没有其他答案，我将发布我的解决方案。

您缺少的是vars参数，您可以在其中标识应该出现在三元组交互中的变量。所以在你的例子中，你有一个模型25，并且应该有三重交互W_Z_X。模型25的通用模板如下(只需替换为字符串中的变量名)：

moderator <- list(name=c('W', 'Z', 'V'), 
                  site=list(c('a'), c('a'), c('b')))

# Next part forces the triple interaction
# Two variables, both on the site 'a'
# X is added to these two variables to form a triple interacion
vars <- list(name=list(c('W', 'Z')), 
             site=list(c('a', 'a')))

model1 <- tripleEquation(X='X',
                         M='M',
                         Y='Y',
                         moderator=moderator,
                         vars=vars)

接下来，让我们输出公式。

cat(model1)

您可以观察到的是，确实有了一个新术语：a7*interaction0。这个列是W、Z和X之间的三重交互。但是，您的数据没有列interaction0，所以您必须创建一个列。

df$interaction0 <- df$W * df$Z * df$X

只有现在，您才能运行以下命令来拟合模型并输出它。

semfit <- sem(model=model1, data=df)
summary(semfit)

这适用于模型11、12、13、18、19、20、25、26、27、32、33、34、37、38、39、42、43、44、46、47、48、51、52、53、54、55、56、57...